Formation Cycle Statistiques Descriptives

1/ Introduction

• Définition

• Produits calibrés à des données aléatoires

• Aléa des données statistiques : Introduction

2/ Formalisation mathématiques

• Indexation de 1 à n

• La valeur absolue

• Le Symbole Sigma pour l'écriture de sommes

• Le Carré et la Racine Carrée

• Effectif, fréquence, quartile, centile

• Calcul d'intervalles

• Exercices

3/ Statistiques bivariées

• Type de données (qualitative ou quantitative)

• Données avec effectif : calcul de fréquences et interprétation

• Tri et traitement des données

• Représentations graphiques

• Paramètres de position

• Paramètres de dispersion

• La variance

4/ Variables aléatoires

• Définition Catégorie de variables

• Exemples et examen de variables aléatoires

• Courbes de distribution

5/ Intervalles de confiance

• Lois statistiques usuelles

• Visualisations

• Curve fitting

• Interpolation et régression

6/ Statistique descriptive à deux dimensions

• Les données

• Représentations graphiques

• La covariance

• Le coefficient de corrélation linéaire

7/ Tests statistiques

• Les tests d’adéquation usuels

• La loi du X2

• D’Agostino

• Kolmogorov-Smirnof

8/ Paramètre de position et de dispersion

• Mode, valeur modale, valeur la plus probable

• Moyenne d’une population (ou d’un échantillon)

• Médiane, partager une série numérique

• Étendue, différence entre valeurs extrêmes

• Utiliser les quantiles

• Écart-type, calculer la dispersion d’un ensemble de données

• Calcul de la variance et de la covariance

9/ Statistique inférentielle

• Mesures d’association

• Notions sur la génération de nombres au hasard et de variable aléatoire

• Loi de probabilité

• Loi des grands nombres et théorème de la limite centrale

• Intervalles de confiance

• Tests d’hypothèses

• Analyse de la variance à un facteur, deux facteurs

10/ Démarche et modélisation d’une analyse statistique

• Ouverture sur l’apprentissage supervisé et non-supervisé

• Régression linéaire simple

• Régression linéaire multiple

• Analyse discriminante linéaire

• Régression logistique